Qualitative data analysis / Miles & Huberman (1994)
Citation - Miles, M. B., & Huberman, A. M. (1994). Qualitative data analysis: an expanded sourcebook (2 ed.). Thousand Oaks: Sage Publications. Miles, M. B.、Huberman, A. M.(2005)。質性研究資料分析(Qualitative data analysis: An expanded sourcebook, 2nd ed.)(張芬芬譯)。台北:雙葉。
Keyword - qualitative_research, research_methodology
Ch1. Intro
Date Analysis Flow model
資料分析的連貫模式(p.24,27)
- Miles, Huberman(1994) 將質性資料分析的工作分為三個互相協力的活動:資料的簡化(reduction)、展示(display)、與結論引出/驗證(conclusion drawing and verification)。
- 這三種活動是同時並行的,同時也是互相交織穿梭的。Miles & Huberman 提出兩種概念圖示,來呈現資料蒐集與三種分析活動之間的關係。他們認為,雖然資料蒐集與資料分析仍然是不同的活動類型,但是在進行的次序上並沒有必然的前後關係,而把資料蒐集視為能與三種資料分析活動個別互動的另一種活動類型。
- Miles & Huberman 提出了質性分析工作的模式,並認為此一模式能代表,質性分析工作並不會比量化分析工作更錯綜複雜。因為量化分析工作也能以簡化、展示、驗證三種活動來說明。計算各種指數,如平均數,是資料簡化;整理聯列表、迴歸係數表,則是資料呈現;判斷顯著性、實驗差異,則是檢驗論點的工作。只不過量化研究者,使用的研究工具與方法是界定完善的,通常也是循序漸進的;而質性研究者使用的方法是較具變動性的,也是較為先驅的。
- [Note]: 我認為,質性研究者的方法也是個殊的;一方面顯現在研究者對自己研究工具的實用導向建構上,另一方面也更依賴由各個研究者自身對其研究結果產生的檢核。
data reduction
資料簡化(data reduction)(pp. 24-25)
- 「將清繕過的札記或訪談謄錄稿之中的資料予以選擇、聚焦、單純化、抽象化與轉化的一種過程。」
- 「資料簡化是分析的一種形式,它將資料予以凸顯、分類、聚焦、拋棄,並組織起來,使研究者得以引出與確認最終的結論。」
- 簡化的工作,在收集資料前就已經展開了:如決定哪一個概念架構、哪些個案、哪些問題、決定進行資料蒐集的方式等等。Miles & Huberman 稱之為「先期的」資料簡化活動。而在資料蒐集時的資料簡化,如:寫摘要、編碼、檢測主題、匯集、分解、札記與備忘錄的書寫等。
- [Note]: 我認為,也許「提煉(extract)」,更能說明這種資料轉化的過程。因為「提煉」此一概念,更能彰顯出研究者自身,在轉化資料過程中對現象詮釋與建構的能動性;而簡化(reduction)則仍隱喻著不同研究者或研究過程將達到一個一致性的最終簡化結果。
data display
資料展示(data display)(pp. 25-26)
- 展示物(display)就是資訊的集合體,他是經過組織與壓縮過後的集合體。
- 以往質性分析最常採用的展示形式是「延伸式文本(expanded text)」。Miles & Huberman 認為延伸式文本具有篇幅長、結構差、容易使人在過量的資料中接受沒有事實根據或隨意的結論的缺點。因此 Miles & Huberman 倡導應該使用更好的資料展示方法,如矩陣表、圖形、表單、網路圖等。使讀者立即進入狀況,且使分析者能明確的引出證成過的(justified)結論。
- 資料簡化與資料展示都不能獨立於資料分析之外,而都是屬於資料分析中的一部分。設計圖表其實也引涵著資料簡化。
- [Note]: 我認為此處的資料展示其實未竟清楚。此處的資料展現其實還可分為兩部份:一個部份是研究者自己如何解讀與分析資料時的心智表徵,另一部份是讀者如何理解研究資料。就讀者的部份,綜合式的、高度濃縮的鳥瞰架構其實不一定會更容易讓讀者理解研究者所要表達的。例如:以述說研究,或說故事的方式陳述,往往比抽象的資料更能讓人理解。但此部份其實並非 Miles & Huberman 主要關心的;我認為他們更重視實際上研究者如何在心智表徵中,建立起有效結論的問題。在這方面上,其倡議的各種資料展示法,確實對研究者的幫助更大。但我認為這個部份仍能被涵攝到「提煉」概念中。因為對研究者對所研究現象的理解,並非只有一個個具體的事象在被概念化、抽象化的過程,而也包含了對於概念間關係的明確化。以 Miles & Huberman 所舉的量化分析資料簡化為例,平均數、標準差,都並不只是一組獨立的事實資料而已,而是各個具體資料間關係的表徵(平均數是對所有具體現象在資料操作化後的向度上的平均關係的操作化)。
conclusion drawing and verification
[結論]引出與驗證(p.26-28)
- 從蒐集資料開始,質性分析者就開始作決定,決定事物意義何在。
- 即使研究者聲稱他採用的方法式歸納取向的,最終的結論其實是在研究起步時,就被[預先]形塑(prefigured)了的。
- 引出結論與結論驗證是一體的。
- 資料浮現的意義,需要以似真性(plausibility)、穩固性(sturdiness)、與堅定性(confirmability)進行考驗(tested)。即考驗其效度(validity)。
Ch2. Data collection: Focusing and Bounding
本書作者傾向嚴謹研究設計,而非彈性研究設計。兩種質性研究設計取向都各有其支持者。 作者認為嚴謹設計的好處,在於:(1)可以達到較佳的概念化檢測工作;(2)實作上較為經濟有效率;(3)有效減少資料量,適合多個案研究;(4)較可能得到可概化的研究結果。
- 建立概念架構:當研究者已深入思考,且讀過相關文獻的情況下,第一張架構圖只需45分鐘到1小時左右。並不是要畫出偉大完美的圖,而是要畫出自己心中的東西,而且不要畫得模擬兩可、無懈可擊;因為概念圖與其說是為了說明要做什麼,不如說是為了劃定不要做的界線(boundary)是什麼。
- 形成研究問題(聚焦):
- 說明自己的認識論基礎(理論架構)
- 研究問題類型
基本格式 | 範例問題 |
---|---|
因果研究 | |
是否,A引起B | |
是否,A對C的影響,大於B對C的影響 | |
非因果研究 | |
What is A | |
是否,A位於B狀況 | 治療中心是否符合地方需求? |
非因果政策性研究 | |
A的意涵為何 | 何謂「特殊教育兒童」與「治療」 |
為何B支持A | |
非因果性評鑑研究 | |
何種特性使A成為好的 | |
A對B重要嗎 | |
非因果性管理研究 | |
A的成本效益是否大於B | |
如何降低A但同時提高B |
(N. L. Smith, 1987, p.311)
Case
- 個案(Case): “出現在某有限脈絡中的一個現象”(p.54), in effect, your unit of analysis.
- 界定個案:個案可以是某人、某種角色、某小群體、某機構組織、某社區、某國家(以上皆為社會單位)、某空間、某事件、某時期,等等。個案內也會有次個案(subcases)(Yin, 1984)。
- 個案是在某特定的研究場所或物理場所發生的一種「現象」,不能脫離脈絡去研究個案。
- [note]: 個案是「現象」,而不是「物」,是某物與脈絡之間共同構成的有意義的「現象」。
- [note]: 個案也是研究的「研究對象」,因為社會學的研究對象往往是一種社會現象,而並不是某人、或某具體物體。我感覺到「Case」一詞在英文中的雙關意義,Case 可以是「個案」,是工作進行的「案件」,也是一具有明顯包裝範圍的「箱子」。這也剛好用來象徵Case概念中的核心、核心的意義脈絡、與界定範圍。
- [note]: 界定個案,可用中文的「量詞」概念。即,決定個案是屬於:一「個」、一「段」、一「位」、一「種」等等。確定量詞可以幫助對研究對象還很模糊的研究者劃界,或釐清個案的社會規模。
- Techniques, Tips:
- 以直覺劃定個案定義範圍,先想出個案的核心(概念),再向外擴建。
- 想想「不要」研究什麼,以劃定個案界線(boundary)。
- 儘早界定個案。有概念架構與研究問題能幫助釐清個案,但有個案也能幫助釐清概念架構與研究問題。
- 但邊界並非固定不變的。[會隨研究進行與發現改變邊界,如釐清概念架構、建構研究問題、實際抽樣操作等階段,都會進一步回饋對個案的定義劃界]
- 個案的幾個基本面向(dimensions):概念本質(conceptual nature)、社會規模(social size)、具體的物理空間位置(physical location)、時間範圍(temporal extent)。
Sampling
- 抽樣
- [note]有其他質性研究者主張不要以量化研究的「Sampling/抽樣」作為選擇研究個案階段的操作概念語彙,並建議可能改以「選擇(selection)」較佳。
- 質性研究通常只進行小樣本,窩(nested)在他們的脈絡(context)中,進行深入的研究。
- 質性抽樣通常是立意(purposive)抽樣,而非隨機抽樣。
- 質性抽樣無法一開始時就預先說清楚,而是隨著田野工作展開。
- 質性抽樣包括兩種同時的動作:設定範圍(set boundaries)、建立架構(create a frame)
- 設定範圍(set boundaries): 界定在有限時間與方法限制下,可研究的個案面向。並連結此範圍與研究問題。
- 建立架構(create a frame): 以發現、驗證研究背後的基本程序或構念。
- 基本抽樣策略類型(p.60)
- 最大變異抽樣(maximum variation sampling)
- 同質性抽樣(homogeneous sampling)
- 關鍵個案抽樣(critical case sampling)
- 理論本位抽樣(theory-based sampling)
- 驗證性或否證性抽樣(confirming and dis-confirming cases sampling)
- 滾雪球抽樣(snowball sampling)
- 極端或變異抽樣(extreme or deviant sampling)
- 典型個案抽樣(typical case sampling)
- 強度抽樣(intensity sampling)
- 政治上重要個案抽樣(politically important sampling)
- 隨機立意抽樣(random purposeful sampling)
- 分層立意抽樣(stratified purposeful sampling)
- 效標抽樣(criterion sampling)
- 機會抽樣(opportunistic sampling)
- 綜合或混合抽樣(combination or mixed sampling)
- 便利抽樣(convience sampling)
- 個案內抽樣:質性研究的個案是多層次的,並且是受到概念引導層層深入的。
- [note]: 這是與量化研究最大不同之處。如果計算個案內抽樣的數量,質性研究所面臨的樣本數量並不小於量化研究。
- [note]多階段抽樣:質性研究的抽樣階段
- 多個案抽樣:多個案有助於研究結果的概化,但是過多個案反而減少資料與研究的深度。作者認為15個個案就會多到無法下手研究了(以作者4-5人的言團隊)。作者評論某些20-30個個案的研究,認為所得資料少到,懷疑為何不用量化研究?
- Techniques, Tips:
- 質性研究新手,可先找一個可以撤回或調整的報導人或小場所作樣本。
- 先考慮抽樣架構。如,當與某報導人談話時,反思為何這類報導人的重要性,以及還應該訪談或觀察誰。
- 注意,即使研究是以「人」來抽樣,研究想要知道的是場所、事件、或過程的特徵,而不是「人」,人只是次要的探究重點。
- 注意某些不在現場核心的、不具立意理論代表性的或非典型的、反面的、例外的或矛盾的案例,以避免抽樣範圍過窄。[note:限於研究者的偏見之中]
- 應用一些效標檢視抽樣計畫:(p.72-3)
- [note]計劃書階段:質性研究的抽樣往往隨著研究的田野工作展開,因此無法在計劃書階段具體描述抽樣過程與結果。但可描述初步的對範圍與架構的規劃,及與研究問題的關係。
- [note]許多質性研究者往往被質疑樣本數量的問題。我認為可以由「個案內抽樣」數量來回應這個問題。許多質性研究,涉及到對研究對象的深入分析,往往需要對個案進行「層層深入」的探究;在探究過程中,研究者即不斷的在更小單為的現象中「選擇」其注意的資訊,此部份的選擇活動也是一種抽樣行為。這也涉及到研究對象(或,個案)範圍的劃定與架構,與研究問題間的對應關係,亦即受到理論以及研究中理論性發現的引導。
instrumentation
- 研究方法設計:研究方法設計可以傾向嚴謹,也可以傾向鬆散。書中列出各自的論點主張。
- 質性研究工具的信、效度,取決於研究者的技能。好的研究者的技能(p.81-82)。
Ch3. Data collection: Design
連結質性資料與量化資料
- 作者認為,質化與量化研究的爭議並無建設性。認為在認識論的立場上,兩者其實無可避免的糾結在一起。因此,問題不在於「是否可以連結兩種研究法」,而在於應否作、為何作、如何作 的問題。
- 為何連結質性與量化資料:
- Rossman & Wilson (1984, 1991): (1)經由三角測量法,可以彼此鞏固對方;(2)為了細究或推動資料的分析,獲得更豐富的細節;(3)研究者如注意兩種資料間出現的歧異與矛盾,就可能開創出新的思考路線,產生新的洞見。
- Greene, Caracelli, & Craham (1989): 質量並重可裨益於後續研究。以不同的方法組合,擴充研究議題的廣度與深度。
- 如何作:四種不同質量並用的研究設計模式
- 質量同時並行。
- 持續田野工作(質),穿插以數波的量化調查。
- 先以田野探索(質),再發展量化工具(量),根據量化發現用於下一輪的探究(質)。
- 先以調查資料找出代表性個案(量),再到田野研究(質)以得到一概念命題,再根據此概念發展設計實驗以檢驗命題(量)。
資料分析的管理
前提:Kavle (1988) 寫了一篇16頁的文章,分析一個問題:「我要怎樣分析我蒐集到的一千頁訪談稿?」答案是:「你絕對不能做出會讓你問出那種問題的訪談。」
運用電腦
- 質性研究中,電腦軟體的運用(整理自 p.96,主題為另加,次序略有不同)
- [札記式]:
- 在田野寫札記稿。
- 寫成或轉謄札記。
- 編輯:修正、擴充、校訂札記。
- 備忘:針對資料某部份寫反省評註,作為更深層分析的基礎。
- [主題編碼式]:
- 編碼:將關鍵詞附加在文字段落上,供日後取用。
- [組織]
- 儲存:把文本放在一個有組織的資料檔中。
- 搜尋與檢索:找到相關的文字段落,使他們可以被拿來細究。
- 資料連結:將文字段落連結起來,形成資料的類目、叢集或網路。
- 內容分析:計算字詞的次數、順序、或位置。
- [再呈現]:
- 資料展示:將所選的或簡化的資料放入一個濃縮的、有組織的格式中,如圖、表。
- 引出及確認結論:幫助分析者詮釋所呈現的資料,而且考驗或確認研究發現。
- 理論建立:對研究發現發展出系統的、概念一致的解釋;考驗研究假設。
- 圖示:創造圖形,以便說明研究發現與結論。
- 報告:準備暫時報告或研究最終報告。
- 不同軟體可以完成不同部份的功能。各個軟體都有其功能上得長處與短處。是研究者為了其研究活動選擇軟體,而非因為有研究軟體才進行相關活動。
資料管理
- 資料管理的目的:(1)保證可獲得高品質的資料,並知道可拿到資料的管道;(2)紀錄作過了什麼分析;(3)研究完成後,保留資料及相關的分析。
- 資料管理的原則:Levine (1985)根據圖書館與資訊科學所得到的啟發,整理出質性研究資料管理的五項原則([note]原文中這五項原則都指涉某項動作,實際上,這可以視為五種加強資料管理的技巧或技術性活動):
- 建立格式(formatting): 建立札記與備忘等資料的格式,使之一致並有結構,便於組織與管理。
- 交互參照(cross-referral): 建立檔案間的參照關係。如紀錄這個檔案在哪些檔案也有相關資料。電腦軟體對此部份幫助很大。
- 編製索引(indexing): 有時也稱為編碼(coding)。包含了:(a)界定分類類目,即定義代碼(code)意義;(b)將類目組織成一個系統性架構,將此架構紀錄在索引典(thesaurus)或編碼表中;©這些代碼放在資料庫中,以便後續增減與編輯。
- 摘要(abstracting): 將較長的內容濃縮簡化。
- 編號(pagination): 建立唯一位置指示物(unique locator),以標示與內容所在位置。
- 質性研究應保留、備取用的資料一覽(p. 100)
人力/時間規劃
與研究參與者訂約
Ch4. Analysis: Early
摘要
- 接觸摘要單:研究者紀錄某次現場接觸的主要問題,及其回答。
- 由幾十頁訪談札記中分析出一頁摘要單
- 格式:問題項目及回答、接觸類型、時間、地點、填表人,等。
- 撰寫時機:田野札記寫好並整理好以後,間隔時間越短越好。在編碼之前作,以免扭曲原本札記裡面的東西。
- 個案摘要單
- 文件摘要單
- 資料清點單
- 個案分析會議
- 暫時的個案摘要
編碼
- 編碼
- 代碼(code)是意義的單位,以便研究者能由「意義」連結與組織相關的資料區塊(chunk)。
- 但,意義並非在字詞內部,而是因為人將字詞放在其脈絡中,就其效果顯著(significance)作一選擇而產生的。就此而言,一字詞所以能產生一致的意義,是由於人所作的意義選擇乃是嵌在一定的邏輯或概念透鏡中。研究者最好能覺察此一透鏡存在。
- 三種代碼、分別代表不同的分析層次:描述性代碼、詮釋性代碼、主題代碼(pattern code)。
- 建立代碼的取向:(1).預定式:進田野之前先建立初始代碼清單;(2).歸納式:紮根理論取向,直接由資料歸納,不先建立初始代碼;(3).架構導引式:透過基本概念架構建立代碼。
- 代碼的結構
- 編碼的信度:編碼間的一致性
- [歸納編碼的編碼]:主題編碼(pattern code)
思考
- 備忘錄
- 發展命題
報告
- 精華小品
- 預建綱要的個案報告
持續分析
Ch5. Displays: Exploring & Description
- 以各種資料展示的方法,藉以引出描述性結論,並予以檢驗。
- 區分描述(description)與解釋(explanation)
- Bernard (1988):認為,描述意指「將複雜事物簡化為基本成份,使人能理解」。而解釋為「為了幫助人們理解,而指出複雜的事物如何依據某種原則,來使其各成份彼此相稱協調」,其中的「原則」就是所謂的理論。
- 區分確認模式(confirmatory mode)與探索模式(exploratory mode):Gherardi & Turner (1987):
- 確認模式: 認為此類研究的目的,就是要把一個拼圖中缺口填補起來。
- 探索模式: 認為此類研究的目的,是想解決一個未明言或模糊的問題,研究過程中必須將問題確定下來,或與以修改定型。
- 區分先有理論取向,與後有理論取向(Wolcott, 1992)。確認研究為先有理論,探索研究為後有理論。
- 理論
- 區分隱性理論(implicit theory)與顯性理論(explicit theory):
- 隱性理論:如,成見、偏見、價值觀、架構、措辭習慣,讓人或研究者把某一現象以某個詞彙指稱,如「單親家庭」、「破碎家庭」等。「單親家庭」的偏見在於把人放在一種被稱為「家庭」的群體類別中,並隱然肯定家庭自然存在的正當性。「破碎家庭」則意味著區分正常與異常的家庭型態,在此區分中隱然建立「正常家庭」型態概念,並指摘另一類為不完整或被損害的型態。
- 顯性理論:指一組概念,這組概念可能是概念清單的一部分,或是概念層級或命題陳命題陳述網絡中的一部分。
- 進行描述或解釋的方法取向:
- 詞類方法取向[典範化方法](paradigmatic approach)(Maxwell, 1992; Maxwell Miller, 1992):即變項導向方法(variable-oriented approach),處理已經被界定好的概念的概念間關係。
- 語段取向(syntagmatic approach):即過程導向方法(process-oriented approach)
- 抽象化階梯(ladder of abstraction)
- 現象 → 文本 → 初步分析文本資料(編碼、筆記、摘要) → 資料組織(建立關係、找出重點與斷層) → 發展並檢測命題以建立解釋性架構(交叉檢核、矩陣、綜合、將資料納入解釋架構)
* 圖表格式 矩陣表(metrics): 以行、列為架構的資料表格,每個表格的資料格(cell)內,含括相關資料或概念。 * [note] 一般使用矩陣表的行列變項為名目尺度,少數會發展為次序尺度。 網絡圖(networks):由「結點(node)」,以及結點與結點之間的「連結線」所構成的二維空間圖形。 * [note] 網絡圖的二維向量可以是隨意的,也可以是有特定概念面向引導的。隨意的二維並無尺度可言,概念面向引導的,可以發展出名目、次序、等距、比率等不同尺度。越精準的尺度,其繪製可能越接近資訊視覺化(information visualization)的研究工作。
半排序圖表
脈絡圖
檢核表
轉寫為詩
時間排序
事件一覽表
關鍵事件圖
事件-狀態網
活動紀錄圖
決定模式樹狀圖
成長梯度圖
時間排序表
角色排序
- 角色排序表
- 角色-時間表
概念排序
- 概念匯集表
- 表題概念表
- 常民分類圖
- 認知圖
- 結果矩陣圖
Ch6. Displays: Explaining & Predicting
- 解釋與因果關係
解釋性結果矩陣
個案動因發展表
因果網絡圖
進行預測與測試預測
Ch7. Displays: Cross-case: description
- 跨個案分析
- 變項 vs 個案
- 跨個案分析策略
半排序
- 中介矩陣
概念排序
- 分析性的內容摘要表
- 分解一個變項
- 構念表
- 決策樹
個案排序
- 個案排序描述性中介圖
- 以合計指數排列個案
- 雙變項個案排序表
- 對比表
- 點狀圖
時間排序
複合排序
- 隨時間發展的點狀圖
Ch8. Displays: Cross-case: Ordering & Explaining
- 經由比較分析作解釋
個案排序的結果矩陣
個案排序的預測-結果矩陣
變項x變項矩陣
因果模式圖
因果網絡圖
Ch9. Displays: Matrix
Ch10. Making conclusions: Drawing & Verifying
產生意義的技術
- 找出主旨
- 找出看似合理的東西
- 彙集
- 作譬喻
- 清點
- 作對照/比較
- 分解變項
- 將個殊統整成為普遍
- 找出因素
- 注意變項間關係
- 發現中介變項
- 以證據建立一條邏輯鏈
- 創造概念/邏輯上的一致性
檢測與驗證的技術
- 檢核代表性
- 代表性可能的錯誤:
- 菁英謬誤:過度依賴田野中的菁英份子所提供的報導資訊。
- 戲劇化的事件:研究者容易只觀察戲劇化的事件或活動,而將之過度概化推論。
- 似真性(plausibility)類推:只選擇與自己解釋相符的人物、事件或活動。
- 避免代表性錯誤的技巧:
- 增加個案數量;
- 尋找對照個案[見,(5)外圍者;(6)極端個案;(7)驚異處;(8)尋找負面證據]
- 將個案分類,找出貧乏的類別。[分層抽樣]
- 從研究的人或現象中,隨機抽樣。
- 檢核研究者效應:研究者對個案的影響所產生的偏差、個案田野對研究者產生的影響偏差。
- triangulation:去求證各個單獨的觀察,與該研究發現之間,是否一致?或者,至少不與該研究發現衝突。
- 估量證據的品質:根據資料本身的效度,決定使用資料的權重。
- 檢核外圍者的意義
- 運用極端個案
- 追蹤驚異處
- 尋找負面證據
- 進行「if-then」測試:以if-then命題,為研究所建立的解釋邏輯論題,進行預測與檢驗。
- 排除虛假關係:發現中介變項
- 複製一項發現
- 檢測相競爭的解釋
- 報導人的回饋
研究結論的品質標準
- 客觀性/堅定性(objectivity/confirmability): 研究者所應具有的中立性,且在合理範圍內,不受到未承認的研究者偏差影響。最少,研究者應表明已存在但無法避免得偏差。如:
- [對研究程序的呈現:] 研究者是否說明詳細研究的一般方法與程序?可否依循該方法進行資料蒐集處理分析?結論是否與資料相連?研究程序資料是否有紀錄保存以供稽核?
- [對自身立場的反思:] 對研究者自身的假定、價值觀、偏差是否有自覺?是否真的思考其競爭假設或結論?
- 信度/可靠性/可稽核度(reliability/dependability/auditability): 研究步驟的一致性,研究的品質控管。前後觀察的一致性與穩定性。
- [分析的一致性:] 編碼是否檢查?是否有一致性?
- [資料的一致性:] 資料品質是否有檢查?是否可區別資料的欺瞞或不實?多人間收集的資料是否可互相比較?
- 內在效度/確實性/真實性(internal validity/credibility/authenticity): 研究的真實性與合理性。
- [描述] 描述是否詳實?
- [邏輯] 結論的邏輯是否合理?是否有一致與一貫性的解釋?其假定、假設、命題、等原則是否明白說明?
- [誠實] 是否說明必然有的未確定部份?考慮的相競爭解釋與其處理?負面證據與其處理?
- [操作] 可否由資料中複製相同發現?有無預測,預測是否正確?
- 外在效度/可轉移性/相適性(external validity/transferability/fittingness)
- 應用性/採用/行動導引(utilization/application/action orientation)
實作紀錄
Ch11. Ethical issue
Ch12. Reporting
- 基本問題
- 讀者與成效
- 聲調、文類與立場
- 文筆與文體
- 格式與結構
- 運用研究報告
Ch13. concluding remarks
Note
.
file link - Google Schloar